聽説，全國頂尖的AI大模型公司老闆都來這個論壇了_風聞

AI+，從技術服務嚮應用落地場景轉變。

工業革命以來，技術創新驅動着全球產業格局演變，深刻影響着時代變局和大國興衰。第四次工業革命浪潮下，人工智能和大數據的蓬勃發展催生了新技術和新業態的產業洪流，以戰略新興產業及未來產業為代表的新質生產力站到了前台。

7月11日，2024融中夏季峯會之融中2024新質生產力創新企業峯會於北京四季酒店盛大舉辦。峯會由融中傳媒、融中母基金研究院主辦、融中財經、融中諮詢協辦，以“技術的進化”為主題，新經濟鏈主和龍頭企業以及上市公司、資本大咖、知名投資機構齊聚一堂，共同展望2024年產業發展、技術創新以及戰略性新興產業發展的前景。

會上，“AI+，從技術服務嚮應用落地場景的轉變”論壇，由極佳科技合夥人、工程副總裁毛繼明主持，金智維董事長廖萬里、摩爾線程產學院執行院長及投融資部總經理羅文勇、商湯智能產業研究院創始院長田豐、百川智能技術聯合創始人謝劍等嘉賓，圍繞AI產業變革、大模型技術創新等話題展開熱烈討論。

以下為【AI+，從技術服務嚮應用落地場景的轉變】論壇精彩內容，由融中財經編輯整理：

新一輪AI產業變革AGI並不是終點

毛繼明：大家上午好，歡迎來到我們這次“AI+，從技術服務嚮應用落地場景的轉變”專題論壇。

在過去的幾十年裏，人工智能技術已經從實驗室的深奧理論走向了現實世界的廣泛應用。這一轉變不僅僅是技術的進步，更是商業模式、工作方式乃至我們生活方式的徹底革新。隨着機器學習、深度學習等技術的成熟，我們見證了人工智能如何在醫療、金融、教育、製造業等多個行業中找到其價值的實際落地點。

今天，我們將深入討論AI技術的最新商業應用，探索如何更好地將這些前沿技術轉化為推動經濟增長和社會進步的實際力量。

AI技術飛速發展，催生出了一系列新的應用場景和商業模式。各位嘉賓可以結合各自公司的業務情況，介紹一下人工智能技術所帶來新應用場景，或者你們感受到這一輪AI大模型技術帶來了怎樣新的產業變革？

廖萬里：大模型對AI產業帶來的變革很明顯的。結合金智維的發展來看，我們原來主要是基於RPA（機器人流程自動化）做數字員工。我以證券公司為例，以前每天早上開市到晚上閉市，有近2000個步驟操作需要人去完成。後來證券公司利用金智維RPA數字員工，每天早上六點半可以通過RPA去自動操作開市流程的步驟，八點半再由人類員工來檢查業務流程就可以。

從這我們可以看到，RPA這項技術能夠幫助人去做規則明確的重複性工作，但也正是需要基於固定規則和流程進行工作，因此RPA的靈活性稍有不足。從去年大模型出來以後，我們就開始做大模型和RPA融合的探索，並通過兩者結合研發AI Agent類產品，將我們的數字員工從基於RPA逐步升級成為基於AI Agent，可以説大模型帶來的變化是非常積極和高效的。

打個簡單的比喻，原來的RPA數字員工就像小學生，你讓他去買醬油得清楚地告訴他去哪買、買什麼牌子、多少錢。融入大模型之後數字員工就變成了大學生，你直接告訴他去買個醬油，他會自己思考這些問題和執行，不用你操太多的心。因此可以説，有了大模型之後，我們的數字員工開發效率和智能化程度都得到了極大的提升，可以幫助企業實現更多業務流程的重構。

目前，我們已經在各行各業打造了將近30000個業務場景，我們結合大模型研發AI Agent，基於AI Agent打造數字員工，數字員工再應用至實際業務場景，可以預見，未來將有更多產業業務流程邁向自動化、智能化，未來所有企業也都會進入人機協同、創新生產力組織的生態，業務流程一半是自然人完成，一半是數字員工完成。

羅文勇：GPU服務於各種算力應用，大模型是人工智能這一階段做出貢獻最大的算法，GPU的一半專長是用作AI計算，但也被廣泛應用在金融、教育、視頻、娛樂、工業、農業等應用場景，AI只是一個很好的應用場景，現在甚至成了最大的應用場景。現在AI的發展就像20年前的移動互聯網，可以賦能千行百業。AI產業的發展，一浪接一浪，快速增長。兩年時間，對算力需求猛增，甚至單個大模型對算力的需求也是呈現數量級的。在這個基礎上，算力帶來智能化提升，相信在不久的將來，人工智能的智慧會超出大部分人，比如很多人做垂直大模型，法律、醫生，這些領域的智能智慧可能會超出大部分行業從業者。

田豐：關於大模型的實際應用案例與故事，一直是業界關注的焦點。去年ChatGPT的出現，激發了市場的廣泛關注。概括人工智能的兩個發展方向，一個是作為新質生產力的工具，與人類共事協同工作；二是與人類共情，提供情緒價值。

從這個方向，講一講過去一年，商湯日日新大模型在各個行業裏落地的幾個有趣案例。

上海銀行有上百萬用户羣，其中大多數都是老年人，因為要給上海地區銀髮族發養老金，老年人不太願意用傳統金融APP，他們搞不懂各種操作，太複雜，金融服務也非常多，共有四千款理財產品。商湯科技和上海銀行練手開發了金融大模型，後端金融大模型學習了四千款大模型產品，針對老年人提的各種複雜問題做解答。前端交互做了4K超寫實數字人，就像線下大堂經理、理財顧問一樣，給老年人非常好的專業服務與聊天對話，獲得市場好評。

我們經常説，人工智能上半場是知識工程，下半場是工業革命。前者，把大量非常專業的像律師、醫生、工程師等高水平知識工作者服務門檻持續降低，通過AI大模型人機對齊，真正普惠社會大眾。原來只能為大B企業提供專業知識服務，現在可以服務小微企業甚至個人消費者，帶來了更大規模的市場空間與新質生產力。

再看AI與人類共情。最近有個電視劇比較火，《慶餘年2》，築夢島APP聯合商湯擬人大模型開發，推出了範閒的虛擬角色，可以同觀眾粉絲們在QQ上聊天；之前商湯擬人大模型跟微博合作，推出了熱門電視劇《狂飆》高啓強的虛擬角色博客，粉絲可以跟強哥聊聊怎麼吃帶魚。目前，高人氣度的IP角色，在築夢島上有300多個，而用户自己創建UGC虛擬人物達到了十五萬個，包括二次元影視遊戲角色、科學家、創業者、英語老師等虛擬角色，都帶來了很好的情緒價值。

未來大家會體會到更多人工智能帶來的情緒價值和生產力價值。目前，人工智能只是剛剛開始，解決了生產生活中不到15%的問題，未來還有非常巨大的發展空間，給我們進一步提升新質生產力，留出了非常大的創新潛力。

謝劍：以商湯為首的四小龍，上一代技術最關鍵的是深度學習，讓AI往前走了一步。但是上一代的技術中往往一個任務類型需要訓練一個專有模型，無法實現很好的泛化能力。而AGI最核心的地方在於跨模態、跨任務的泛化性，以LLM為代表的技術，展現了實現AGI的可能性，帶來的產業變革有兩個部分：

第一個，“造人”，用一個模型創造一個個不同領域的專業“應用人”，可以和人很好的協作甚至替代，或者提升崗位人效。未來也會出現更多的超級個體，一個“人+AI”就能夠匹敵原來的一個公司，“造人”意味着AI帶來是將工具變到夥伴，這是比較大的變革變化。第二個，造世界，一定程度上用視頻為載體，模擬和展現一個開放的新世界的規律。

總結來説，這一套新的所謂通用人工智能，有可能在“造人”和“造世界”上給整個產業帶來巨大變革。

行業大模型、基礎大模型不是“二選一”的關係

毛繼明：下一個問題主要是想問一下曲總、田總、謝總。智譜、商湯、百川都是業界非常知名的大模型公司，大家會選擇通用大模型，還是優先考慮某些垂直領域應用。大家各自有哪些優勢？

田豐：行業大模型和基礎大模型這個話題很有討論的意義。

首先，過去兩年，基礎模型從互聯網上學習了各個領域的知識，基礎能力、通用能力一下子就上來了。後半階段，隨着互聯網上高質量數據越來越少，會由行業大模型形成行業的專業技能和知識儲備。簡單講，行業大模型是基礎大模型的老師，會帶來行業專家的思維邏輯和思維鏈條。

第二點，基礎大模型是通過學習理解這個世界而建立起的通用認知，行業大模型是在行業裏做實踐和反饋，從認知到實踐形成閉環。AGI就是攻克一個接一個的專業能力，最終讓基礎大模型能力不斷上升。

第三點，基礎大模型隨着百科知識記憶能力逐步向嚴謹推理能力演進。一旦在複雜推理能力上實現突破，基礎大模型將迎來真正的工業化拐點和技術紅利拐點，這將極大推動行業大模型的快速發展。以高考理科的最後一道大題為例，涉及多達60步的解題推導過程，難度較高，往往成為考生們和大模型的挑戰。大模型長鏈條推理能力的逐步實現，離不開各類專業數據集的深厚積累，以及邏輯學家與數學家的貢獻。

謝劍：對百川而言，很多公司都在提我們是以AGI為目標，但真正在商業化落地過程中，AGI有很多定義。谷歌曾專門發文對AGI進行界定，其核心觀點在於，當AI技術能力能夠超越90%具備專業技能的個體時，即達到AGI的標準，這裏的“個體”涵蓋了各行各業的從業者。因此，企業在以AGI為目標時，面臨一個關鍵抉擇：是全面以全行業的普遍技能水平為基準，還是專注於人類社會中專業知識及技能要求極高的特定行業領域。這兩種選擇，均代表了不同的戰略方向。

關於百川，我們致力於以AGI為目標，但在實現這一目標的過程中，我們特別強調以具備專業最高水平的人才作為核心牽引力。

提及美國的兩家引人矚目的公司，openAI和anthropic，後者由openAI團隊成員創立。觀察這兩家公司的競爭策略，我們不難發現其獨特之處。經過評測，cloud 3.5模型被證實為通用模型，但是在醫療和金融這兩個領域，其能力顯著優於GPT。儘管兩者在通用能力上相差無幾，但在醫療和金融領域的專業能力尤為突出。

未來，我們將持續增強通用模型的能力，並特別關注最具挑戰性的領域，將其作為抓手和牽引力。如果我們能夠開發出醫療和金融領域的專業模型，這意味着我們在通用人工智能領域將取得更高的成就。這一成就並非如無人駕駛技術那樣普及，而是需要深厚的技術積累和專業知識。這是我要分享的第一個觀點。

第二個，百川始終秉持開放與合作的態度，不僅關注自身的發展，也關注在座各位所代表的企業或外部產業。對於產業內的公司而言，是否擁有私有化數據或獨特數據，是決定是否構建自有模型的關鍵因素。如果具備這樣的數據資源，那麼構建自有模型將是一個值得考慮的選擇。

對於百川而言，在2B領域，我們願意提供領域增強的整套解決方案和能力，幫助產業夥伴充分利用其私有數據，實現更精細化的數據應用。這就像培養一個人，除了廣泛閲讀公開資料外，還需要深入鑽研每個領域的細分知識，以獲取更專業的見解和能力。這是我們在產業落地方面的努力方向。

除了數據和算力普惠AI是智能向善的關鍵

毛繼明：國內生成式AI發展非常快，也是現在的風口。從目前發展來看，有兩個路徑，一個是優化技術，把技術做好以後進行應用落地，自底向上的過程。另一種思路有點像國內互聯網的發展策略，在應用層下很大功夫，通過應用倒逼技術發展。

大家認為，生成式AI的發展，兩種方案哪種路徑更好？

廖萬里：從我們的角度來説，技術肯定是推動社會創新的源泉。

技術創新剛出現的時候，可能給人特別震撼的感覺，但並不代表能夠真正推動社會進步。技術還是要服務於應用場景。特別是像我們做ToB生意的，推出一個產品，不但要讓用户“用的好”，還要考慮能不能讓用户“用得起”，這很關鍵。也就是説，你做技術解決客户痛點問題的時候，要考慮投入產出比。因為用户很多時候並不關注你用了什麼技術，更重要的是我用了你的方案解決了什麼問題，花了多少代價。

我們對這個問題特別有感受，十多年來我們一直在給企業實現業務場景業務流程的自動化。從客户角度來説，能不能和我們快速簽單，他們考慮的不僅是解決業務痛點問題，還得能算明白賬。

回到商業價值本身，技術創新是我們進步的動力，但也只有技術真正落地到應用場景，真正解決客户的問題，讓客户“用得起，用得好”，技術的創新才能帶來產業革命。

從資本角度來看，這也是非常有趣的問題。做創新技術的公司，如果資本投入很大，但在落地給客户創造價值的時候，入不敷出，不能形成收入與投入的正循環，那這項技術這門生意也將難以為繼。因此我認為，一個創新技術，必須要有市場價值、商業價值。換個角度看，現在不論是科創板也好、創業板也好，大家也都是更關注企業的業務發展質量。

羅文勇：應用更重要還是硬件更重要？二者其實是相輔相成的。沒有技術作為源泉，根本不會有應用的誕生。歸根結底，一家公司技術再好，也需要得到用户認可，才有收入回報，才能獲得資本市場的青睞和投入，才能開發更先進的技術或者產品。

毛繼明：最後一個問題。人工智能從技術服務走向場景應用落地，大模型技術本身帶來的價值是不可否認的。除了大模型技術本身以外，哪些要素會在落地過程中產生負向作用影響，需要提前加以限制或制約？

廖萬里：為了確保大模型技術實現更穩健的進步，我認為核心在於要構建一個真正能夠促進社會進步的生態。在大模型尚未問世之際，我們已經開發了數以萬計的應用場景，助力企業實現自動化與數字化轉型。未來，通過結合先進的GPU算力和基礎模型，我們將進一步升級產品矩陣，從而賦能原有和更多的應用場景向更智能化的方向發展。只有生態系統不斷壯大，行業才能迎來更為繁榮的發展。

在推動AI大模型應用落地的過程中，我們期望GPU和算力成本能夠進一步降低，基礎模型的價格需更具競爭力。我們必須講究性價比，給用户創造更多價值，從而推動整個行業的持續健康發展。

羅文勇：大模型並不等於人工智能，人工智能已經發展了半個多世紀，大模型只是當前爆發力較強有算力應用落地的場景。在某一個應用領域，還是需要看通用性。越通用，發展越快。應該考慮的制約因素，應該是對昂貴算力的投入。此外，第二個制約，在社會上廣泛提到的，越是技術界的人越覺得機器AI超越人類還非常遙遠。我們還有很多路要走。但不代表倫理、社會、法律、道德的約束要等到做成以後才考慮。

田豐：未來，影響人工智能發展的因素：

第一個，算力，現階段芯片成本仍然很高，這也是AIGC應用沒有遍地開花的因素之一。應用開發者保不了本，不能像互聯網應用一樣迅猛增長。GPU算力一定會通過技術創新、工程創新持續降低才能促進智能產業繁榮發展。

第二個，數據。中國的產業場景很豐富，數據量整體大於美國，但“大而不聚”，99%的數據都在大型企業、龍頭企業中，數據像原油一樣被埋在地下，尚未從AI訓練角度篩選匯聚。未來中國有沒有可能形成類似OpenAI一樣的“數據夥伴計劃”、“數據聯盟”，不管是通過市場化機制還是國家舉國體制，打通企業數據雙邊、多邊合作，這對我國人工智能+戰略創新發展很重要。

第三個，中國科研體系對AI青年科學家科研與創業的扶持，鼓勵全球華人青年科學家，回國創業、做基礎科研，給予他們更多的資金預算和研發自由度。

第四個，普惠AI是智能向善的關鍵。人機共智的社會關係中，人工智能天然存在一個大眾的“認知鴻溝”，大眾並不太理解當前層出不窮的AI科技與社會創新應用，容易形成誤解和誤判。從AI科學家到百姓用户之間，需要大量科普工作。例如我的全網視頻專欄《田豐説》告訴大眾，全球AI發展到什麼程度，能給大家帶來什麼樣的機會。

謝劍：在產業變革中，除了大模型技術，還有哪些關鍵的要素？

第一個觀點，看待一個階段的技術，不要短期高估、長期低估它的價值，要結合產業場景，找到可以很好發揮作用的最終場景。第二個觀點，雖然我們在追求通用人工智能，落地場景的過程中，大模型需要結合更多工具，可以是小模型，也可以是其他技術，或者私有化數據，私有化API。更多技術結合，才能更好的在產業場景上落地。

毛繼明：今天我們圓桌論壇的討論非常精彩，我們一同探討了人工智能的未來發展方向及其在多個行業中的深遠影響。

人工智能作為一個技術，它一定要完成應用場景落地，一定要為各行各業進行產業升級提供支撐才能發揮其應有的價值。同時，在AI技術與場景結合的過程中，領域數據與經驗也會完成下沉，反哺AI技術底座，令其得到快速進化。技術與場景應用，兩者會相互促進相互推動，產生飛輪效應，這也是企業擁有持續競爭力的重要手段之一。

今天這場關於AI產業的圓桌論壇就此結束。感謝各位嘉賓帶來的精彩分享。讓我們期待在不久的將來再次相聚，共同見證人工智能引領的新時代到來。